论文部分内容阅读
摘要：随着计算机和互联网技术的不断发展，社会生产生活中产生的数据量越来越大，从这些数据中挖掘有效信息成为各行各业的必备手段，数据挖掘技术也成为电力设备状态检修工作的重要技术。传统的数据分析和报表已经无法满足现代电力设备的管理需求，在电力设备状态监测系统中植入数据分析模块十分有必要，能够帮助技术人员从监测数据中获取电力设备检修所需的信息，提高电力设备状态检修的效率。本文从数据挖掘技术本身入手，分析并探讨数据挖掘技术在电力设备状态检修中的应用，希望可以为提高我国电力设备管理水平提供一些思路。
关键词：数据挖掘技术;电力设备状态检修;应用
引言：数据挖掘技术与大数据技术有一定的重叠，主要差异在于数据挖掘技术的并不能完全嵌入map-reduce算法框架。状态检修是一种新兴的电力设备检修模式，利用监视系统和诊断技术获取设备故障信息，判断设备状态，在设备发生故障前对设备进行检修，尽可能避免设备发生不可控的问题，尽可能避免电力设备停机，避免造成电力问题。电力设备状态检修大致可分为发电厂状态检修、变电站状态检修、输配电线路状态检修、输配电设备状态检修等几个部分，随着设备的不断运行，数据量不断扩大，从中挖掘有价值信息的难度也不断扩大，因此，数据挖掘技术的应用是大势所趋。
1. 数据挖掘技术概述
数据挖掘技术是一项从大量的、模糊的、无规律的数据中挖掘出实际的、有规律的、有用的信息的技术，与大数据技术相类似，却在实际算法中存在一些差异，二者并不能完全重合。数据挖掘技术已经被广泛应用于商业领域中，在电力设备状态检测中的应用还需要发展。数据挖掘技术中包括8个步骤：
1.1 数据信息收集
数据信息收集是数据挖掘的基础，只有将海量的数据收集起来，才能够进行接下来的数据分析和挖掘工作。
1.2 数据集成
在数据信息收集环节收集到的海量数据，并非都是统一的格式，想要在同一个算法中将这些信息分析处理，难度较大，至少要将不同格式、特点的数据向一个或几个方向进行集中，为后续的数据分析工作降低难度，提高效率，也为数据的有效共享奠定基础。
1.3 数据规约
数据规约工作是在集成的基础上进行的进一步处理，将数据用数据集的规约来表示，可以在保持数据完整性的同时缩小数据量，提高数据挖掘效率。
1.4 数据清理
在海量數据中有一些杂质数据，主要表现为与数据挖掘方向不一致、缺少真实性、数据错误等特点，这些数据的存在扩大了需要挖掘的数据量，还会影响数据挖掘的准确性和有效性，因此需要进行清理，对数据进行提纯。
1.5 数据变换
数据变换对于一些实数型数据是有必要的，依据概念分层、离散化都可以对数据进行转换，提高数据的可挖掘性，为数据挖掘的效率提升提供一些帮助。
1.6 数据挖掘分析
数理统计、事例推理、规则推理、模糊集、神经网络、遗传算法都属于数据挖掘分析的具体方法，能够有效进行数据的挖掘，得到有用信息。
1.7 模式评估
数据挖掘的结果根据挖掘需求、行业专家评定来评估挖掘结果的正确性。
1.8 数据挖掘结果可视化
数据挖掘技术得到的结果需要以可视化的方式呈现，供技术人员、管理人员及其他程序使用，提高数据挖掘结果的利用率。
数据挖掘技术在我国电力设备相关管理中的应用还不成熟，需要更多的研究和应用，在应用中总结经验教训，提高数据挖掘技术的应用水平，提高我国电力设备状态检测的水平。
2. 数据挖掘技术在电力设备状态检测中的应用现状
在电力设备管理系统中，我国已经开始逐步应用监测、监控设备，数据挖掘技术在电力设备状态检测工作中的应用已经成为大势所趋，国外研究成果较为成熟。在国外电力设备管理系统中，决策树是数据挖掘技术中的主流，神经网络、遗传算法等挖掘技术的应用比例较小，国内电力设备管理系统中对数据挖掘技术的应用较少，只有少数部门、岗位工作人员在使用，还处于技术应用的初级阶段。目前，我国的发电设备、变压器、输配电线路、输配电设备中对数据挖掘技术已经有了一定程度的应用，比如：发电设备汽轮机轴状态检测，以模糊聚类、粗糙集理论为主要数据挖掘技术;变电站电气设备状态检测，以决策树算法为主要数据挖掘技术;输配电线路状态检测，以粗糙集为主要数据挖掘技术。
3. 数据挖掘技术在电力设备状态检测中的进一步应用
3.1 在变压器状态检修中的应用
变压器的状态特征量是揭示变压器设备中性能状态变化、故障出现、使用寿命损耗规律的重要标志，及时并准确的对故障发生部位、原因、严重程度进行评估，借此制定设备的养护、维修方案，并付诸实践。变压器中的状态特征量主要是油中溶解气体，通过采集溶解气体的样本，技术人员能够分析出变压器的故障类型、故障原因、严重程度，其中应用到的数据挖掘技术主要是粗糙集数据挖掘技术，在对溶解气体样本数据进行模糊、离散化处理后，能够有效提高数据挖掘结果的可信性和质量。
3.2 在发电设备状态检修中的应用
发电设备中的数据挖掘技术主要借助分散控制系统实施，分散控制系统中能够存储海量的发电设备生产数据，这些具有多元性、动态性的数据需要借助挖掘技术才能够发挥出真正的作用，传统的人工处理方法不能满足数据处理的需求。发电设备状态检修中，汽轮机轴振动系数是十分重要的数据挖掘对象，是挖掘发电设备故障类型、原因、严重程度的基础，这部分挖掘研究主要依靠模糊聚类、粗糙集来进行。
结束语：近年来，状态检测理念逐渐渗透进各行各业的运维领域，成为电力、水利等领域的重要发展方向，在一定程度上推动了我国的现代化发展。状态检测理念与数据挖掘技术的结合，为技术人员及早发现设备故障征兆，及早进行设备保养和维修，提供了重要的帮助。虽然我国的数据挖掘技术和状态检测能力还处于较弱的状态，还有很大的发展空间，但我们相信，在实际应用过程中总结经验教训，能够最大程度上使我们的相关技术水平发展速度提速，为我国的电力领域发展提供助力。
参考文献：
[1]陈超金. 基于数据挖掘的电力设备状态检修技术研究综述[J]. 广东电力，2009，22（09）：21-24.
[2]杨国庆，张宇. 数据挖掘技术在电力设备状态检修中的应用[J]. 上海电力学院学报，2012，28（02）：176-180.
关键词：数据挖掘技术;电力设备状态检修;应用
引言：数据挖掘技术与大数据技术有一定的重叠，主要差异在于数据挖掘技术的并不能完全嵌入map-reduce算法框架。状态检修是一种新兴的电力设备检修模式，利用监视系统和诊断技术获取设备故障信息，判断设备状态，在设备发生故障前对设备进行检修，尽可能避免设备发生不可控的问题，尽可能避免电力设备停机，避免造成电力问题。电力设备状态检修大致可分为发电厂状态检修、变电站状态检修、输配电线路状态检修、输配电设备状态检修等几个部分，随着设备的不断运行，数据量不断扩大，从中挖掘有价值信息的难度也不断扩大，因此，数据挖掘技术的应用是大势所趋。
1. 数据挖掘技术概述
数据挖掘技术是一项从大量的、模糊的、无规律的数据中挖掘出实际的、有规律的、有用的信息的技术，与大数据技术相类似，却在实际算法中存在一些差异，二者并不能完全重合。数据挖掘技术已经被广泛应用于商业领域中，在电力设备状态检测中的应用还需要发展。数据挖掘技术中包括8个步骤：
1.1 数据信息收集
数据信息收集是数据挖掘的基础，只有将海量的数据收集起来，才能够进行接下来的数据分析和挖掘工作。
1.2 数据集成
在数据信息收集环节收集到的海量数据，并非都是统一的格式，想要在同一个算法中将这些信息分析处理，难度较大，至少要将不同格式、特点的数据向一个或几个方向进行集中，为后续的数据分析工作降低难度，提高效率，也为数据的有效共享奠定基础。
1.3 数据规约
数据规约工作是在集成的基础上进行的进一步处理，将数据用数据集的规约来表示，可以在保持数据完整性的同时缩小数据量，提高数据挖掘效率。
1.4 数据清理
在海量數据中有一些杂质数据，主要表现为与数据挖掘方向不一致、缺少真实性、数据错误等特点，这些数据的存在扩大了需要挖掘的数据量，还会影响数据挖掘的准确性和有效性，因此需要进行清理，对数据进行提纯。
1.5 数据变换
数据变换对于一些实数型数据是有必要的，依据概念分层、离散化都可以对数据进行转换，提高数据的可挖掘性，为数据挖掘的效率提升提供一些帮助。
1.6 数据挖掘分析
数理统计、事例推理、规则推理、模糊集、神经网络、遗传算法都属于数据挖掘分析的具体方法，能够有效进行数据的挖掘，得到有用信息。
1.7 模式评估
数据挖掘的结果根据挖掘需求、行业专家评定来评估挖掘结果的正确性。
1.8 数据挖掘结果可视化
数据挖掘技术得到的结果需要以可视化的方式呈现，供技术人员、管理人员及其他程序使用，提高数据挖掘结果的利用率。
数据挖掘技术在我国电力设备相关管理中的应用还不成熟，需要更多的研究和应用，在应用中总结经验教训，提高数据挖掘技术的应用水平，提高我国电力设备状态检测的水平。
2. 数据挖掘技术在电力设备状态检测中的应用现状
在电力设备管理系统中，我国已经开始逐步应用监测、监控设备，数据挖掘技术在电力设备状态检测工作中的应用已经成为大势所趋，国外研究成果较为成熟。在国外电力设备管理系统中，决策树是数据挖掘技术中的主流，神经网络、遗传算法等挖掘技术的应用比例较小，国内电力设备管理系统中对数据挖掘技术的应用较少，只有少数部门、岗位工作人员在使用，还处于技术应用的初级阶段。目前，我国的发电设备、变压器、输配电线路、输配电设备中对数据挖掘技术已经有了一定程度的应用，比如：发电设备汽轮机轴状态检测，以模糊聚类、粗糙集理论为主要数据挖掘技术;变电站电气设备状态检测，以决策树算法为主要数据挖掘技术;输配电线路状态检测，以粗糙集为主要数据挖掘技术。
3. 数据挖掘技术在电力设备状态检测中的进一步应用
3.1 在变压器状态检修中的应用
变压器的状态特征量是揭示变压器设备中性能状态变化、故障出现、使用寿命损耗规律的重要标志，及时并准确的对故障发生部位、原因、严重程度进行评估，借此制定设备的养护、维修方案，并付诸实践。变压器中的状态特征量主要是油中溶解气体，通过采集溶解气体的样本，技术人员能够分析出变压器的故障类型、故障原因、严重程度，其中应用到的数据挖掘技术主要是粗糙集数据挖掘技术，在对溶解气体样本数据进行模糊、离散化处理后，能够有效提高数据挖掘结果的可信性和质量。
3.2 在发电设备状态检修中的应用
发电设备中的数据挖掘技术主要借助分散控制系统实施，分散控制系统中能够存储海量的发电设备生产数据，这些具有多元性、动态性的数据需要借助挖掘技术才能够发挥出真正的作用，传统的人工处理方法不能满足数据处理的需求。发电设备状态检修中，汽轮机轴振动系数是十分重要的数据挖掘对象，是挖掘发电设备故障类型、原因、严重程度的基础，这部分挖掘研究主要依靠模糊聚类、粗糙集来进行。
结束语：近年来，状态检测理念逐渐渗透进各行各业的运维领域，成为电力、水利等领域的重要发展方向，在一定程度上推动了我国的现代化发展。状态检测理念与数据挖掘技术的结合，为技术人员及早发现设备故障征兆，及早进行设备保养和维修，提供了重要的帮助。虽然我国的数据挖掘技术和状态检测能力还处于较弱的状态，还有很大的发展空间，但我们相信，在实际应用过程中总结经验教训，能够最大程度上使我们的相关技术水平发展速度提速，为我国的电力领域发展提供助力。
参考文献：
[1]陈超金. 基于数据挖掘的电力设备状态检修技术研究综述[J]. 广东电力，2009，22（09）：21-24.
[2]杨国庆，张宇. 数据挖掘技术在电力设备状态检修中的应用[J]. 上海电力学院学报，2012，28（02）：176-180.